专利名称：基于机器视觉的抛光金属弧状面瑕疵实时检测方法
技术领域：
本发明涉及一种检测方法，尤其是一种基于机器视觉的抛光金属弧状面瑕疵实时检测方法，属于抛光金属弧状面检测的技术领域。
背景技术：
在エ业生产中，随着工业技术水平的不断提高，对产品的质量要求也随之提高，传统对エ件质量的监测主要靠人工目測。由于受检查人员的主观因素的影响，很容易出现误检和漏检等情况，并且人工目測还有效率低、准确率低和规范化程度不够，检测结果与检查人员的个人能力及精神状态密切相关，稳定性和可靠性比较差，另外，也不能将检测数据分类实时送入计算机进行自动质量管理。为了解决人工目測工作量大、效率低、漏检率高的难题，企业急需引进ー种自动检测技术，以替代人工操作，在降低人力成本的同时又能实现对 产品质量的严格控制。所以，引入了机器视觉在エ件质量监测上的应用。通过机器视觉代替传统的人眼来对产品质量进行监测，提高了生产效率和产品的质量。目前，国内外也有许多学者在研究抛光弧状金属表面的瑕疵检测，比如轴承外表面这类圆柱形的金属エ件。此类エ件的检测还存在以下几个问题(1)、由于抛光弧状エ件表面的反射率高，相机接受到的反射光的反射角不同，所以很难得到光照均匀，幅面宽的图像；(2)采集到的图像灰度分布不均匀，有效区域过窄。如采用同轴光作为光源时，有效区域过窄，经实验分析检测ー个轴承需至少60张图像。为解决光照不均的问题，可以采用提取背景图像，再根据背景图像对图像进行增强，得到灰度均匀的图像。但当エ件有大缺陷的时候，背景图像的提取将会出现误差。

发明内容
本发明的目的是克服现有技术中存在的不足，提供一种基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其操作方便，检测精度高，检测适应性好，稳定可靠。按照本发明提供的技术方案，一种基于机器视觉的抛光金属弧状面瑕疵实时检测方法，所述抛光金属弧状面瑕疵实时检测方法包括如下步骤步骤I、离线情况下，获取N张合格エ件在正常工作光照下的第一样本图像及M张合格エ件在低光照下的第二样本图像，对N张第一样本图像分别进行中值滤波获得图像序列In，n = 1，2，···，N，对M张第二样本图像分别进行中值滤波获得图像序列Im，m =1，2，···，Μ，对图像序列In、图像序列1 1分别进行数据融合后得到图像8(ん7)、11(\7)；步骤2、统计融合后图像g(x，y)、h(x，y)内相应灰度值及灰度值对应的像素个数，分别得到图像g(x，y)、h(x, y)的直方图，根据直方图相应的较大波峰值对应的灰度值建立图像背景I(X，y)与直方图内较大波峰值对应的灰度值间的线性关系式为I (X，y) = a (x, y) * (Zmax-Zh) +h (x, y)其中，Zmax表示直方图内较大波峰值对应的灰度值，a(x,y)为斜率矩阵；步骤3、从上述第一样本图像、第二样本图像中均任选ー张样本图像，并建立所选第一样本图像、第二样本图像的直方图，得到所选第一样本图像、第二样本图像直方图内的较大波峰值对应的灰度值，根据所述灰度值及步骤2的线性关系式，分别得到所选第一样本图像、第二样本图像的反射分量；步骤4、根据步骤3得到所选第一样本图像、第二样本图像的反射分量，建立合格エ件反射分量标准差与直方图内较大波峰值对应的灰度值间的对应关系式为
权利要求
1.一种基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是所述抛光金属弧状面瑕疵实时检测方法包括如下步骤 步骤I、离线情况下，获取N张合格工件在正常工作光照下的第一样本图像及M张合格工件在低光照下的第二样本图像，对N张第一样本图像分别进行中值滤波获得图像序列In，n = 1,2,…，N，对M张第二样本图像分别进行中值滤波获得图像序列Im，m= 1，2，…，M，对图像序列In、图像序列1111分别进行数据融合后得到图像8(1，7)、11(1，50 ； 步骤2、统计融合后图像g(x，y)、h(x，y)内相应灰度值及灰度值对应的像素个数，分别得到图像g(x，y)、h(x, y)的直方图，根据直方图相应的较大波峰值对应的灰度值建立图像背景I(x，y)与直方图内较大波峰值对应的灰度值间的线性关系式为 I(X，y) = a (X，y) * (Zmax-Zh) +h (x, y) 其中，Zmax表示直方图内较大波峰值对应的灰度值，a(x, y)为斜率矩阵； 步骤3、从上述第一样本图像、第二样本图像中均任选一张样本图像，并建立所选第一样本图像、第二样本图像的直方图，得到所选第一样本图像、第二样本图像直方图内的较大波峰值对应的灰度值，根据所述灰度值及步骤2的线性关系式，分别得到所选第一样本图像、第二样本图像的反射分量； 步骤4、根据步骤3得到所选第一样本图像、第二样本图像的反射分量，建立合格工件反射分量标准差与直方图内较大波峰值对应的灰度值间的对应关系式为 其中，。(Zfflax)表示合格工件的反射分量标准差，Zmaxn表示所选第一样本图像直方图中最大波峰值对应的灰度值，Zmax ^表示所选第二样本图像直方图中最大波峰值对应的灰度值，On为所选第一样本图像的标准差，O。为所选第二样本图像的标准差； 步骤5、在线实时获取抛光金属弧状面工件在工作光照下的检测图像，对所述检测图像进行中值滤波，建立检测图像的直方图；根据直方图内较大波峰值对应的灰度值及上述步骤得到检测图像的反射分量；对获得检测图像的反射分量进行高斯滤波，得到第二反射分量，并计算第二反射分量的第二标准差，且根据步骤4计算得到检测图像在对应灰度水平的合格工件图像的第一标准差； 步骤6、比较第一标准差及第二标准差，以选取分割阈值，通过分割阈值对第二反射分量进行阈值分割，得到对应的二值图像； 步骤7、扫描上述二值图像，并对二值图像内不同连通区域进行标记，统计连通区域面积，将连通区域面积与预设判断阈值比较，判断抛光金属弧状面的瑕疵。
2.根据权利要求I所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是，所述步骤I包括如下步骤 步骤I. I、在离线情况下，采集N张合格工件在工作光照下的第一样本图像，然后降低至所需光照强度，采集M张合格工件在低光照强度下的第二样本图像； 步骤I. 2、对第一样本图像、第二样本图像进行中值滤波分别得到图像序列In，Iffl ;其中，n = 1，2，…，N，m = 1，2，…M ; 步骤I. 3、根据茗( 将图像序列In进行数据融合，其中，(x，y)表示图像序列内的像素位置；步骤I. 4、根据 将图像序列I111进行数据融合。
3.根据权利要求I所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是，所述步骤2包括如下步骤 步骤2. I、图像灰度取(T255，统计图像g(x，y)对应灰度值的像素个数，然后除以图像g(x, y)的总像素个数，得到图像g(x，y)的直方图P(z)，并求出达到较大波峰值的灰度值Zg ； 步骤2. 2、根据步骤2. 1，得到图像h(x，y)的直方图q(z)，并求出达到较大峰值的灰度值Zh; 步骤2. 3、建立图像背景I (x，y)与直方图内较大波峰值对应灰度值间的线性斜率矩阵，得到 步骤2. 4、根据步骤2. 3得到图像背景I (x，y)与直方图内较大波峰值间的线性关系，为 I(X，y) = a (X，y) * (Zmax-Zh) +h (x, y), 其中，Zmax表示直方图内较大波峰值对应的灰度值。
4.根据权利要求I所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是，所述步骤3包括如下步骤 步骤3. I、从上述N张第一样本图像、M张第二样本图像中均任选一张样本图像，统计所选第一样本图像、第二样本图像内对应灰度值的像素数，以建立所选第一样本图像、第二样本图像的直方图，得到所选第一样本图像、第二样本图像直方图内的较大波峰值对应的灰度值； 步骤3. 2、根据步骤2及较大波峰值对应的灰度值，求出所选第一样本图像、第二样本图像分别对应的背景分量I (x，y)； 步骤3. 3、根据KU) =求取所选第一样本图像、第二样本图像的反射分量，其中，k为常数，f(x, y)为所选第一样本图像或第二样本图像。
5.根据权利要求I所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是，所述步骤4包括如下步骤 步骤4. I、计算所选第一样本图像的反射分量的均值U，得到 其中，n*m表示反射分量图像的大小； 步骤4. 2、根据步骤4. I计算所选第一样本图像反射分量的标准差0 n，得到 步骤4. 3、根据步骤4. I、步骤4. 2计算所选第二样本图像反射分量的标准差0 ^ ;步骤4. 4、建立合格工件反射分量标准差与直方图内较大波峰值的灰度值Zmax对应关系式，得到，
6.根据权利要求5所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是，所述步骤5包括如下步骤 步骤5. I、在工作光照条件下，采集工件检测图像t(x，y)，并对检测图像t(x，y)进行中值滤波； 步骤5. 2、建立中值滤波后，检测图像的直方图，根据检测图像的直方图，得到直方图内较大波峰值对应的灰度值Zt ； 步骤5. 3、根据灰度值Zt及步骤2，得到检测图像的背景分量It (x，y)； 步骤5. 4、根据步骤5. 3及步骤3，得到检测图像的反射分量rt (x，y)； 步骤5.5、对反射分量1^(1，7)进行高斯滤波，生成第二反射分量R(x，y)； 步骤5. 6、根据灰度值Zt及步骤4. 4得到检测图像的第一标准差0 (Zt)； 步骤5. 7、根据步骤4. I及步骤4. 2计算第二反射分量R(x，y)的第二标准差o t。
7.根据权利要求6所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是，所述步骤6包括如下步骤 步骤6. I、比较第一标准差O (Zt)与第二标准差Ot的关系，得到
8.根据权利要求7所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是，所述步骤7包括如下步骤 步骤7. I、扫描二值图像b(x，y)，并对二值图像b(x，y)内的不同连通区域进行标记；步骤7.2、分别统计二值图像13(1，7)内不同连通区域的面积，设置所需的判断阈值S ;二值图像b(x，y)内连通区域面积大于判断阈值S时，则相应连通区域为瑕疵区域；当二值图像b (x, y)内连通区域面积小于判断阈值S时，则相应连通区域为正常区域。
9.根据权利要求6所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是所述步骤5. 5中，高斯滤波的卷积模板为
10.根据权利要求7所述的基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其特征是所述调节系数、为3 4。
全文摘要
本发明涉及一种基于机器视觉的抛光金属弧状面瑕疵实时检测方法，其包括如下步骤步骤1、离线情况下，获取N张第一样本图像及M张第二样本图像，并进行数据融合；步骤2、建立融合后图像直方图，得到图像背景与对应的灰度值间的线性关系式；步骤3、计算所选第一样本图像、第二样本图像的反射分量；步骤4、建立合格工件反射分量标准差与对应的灰度值间的对应关系式；步骤5、在线实时获取抛光金属弧状面工件的检测图像，计算得到第一标准差及第二标准差；步骤6、进行阈值分割，得到对应的二值图像；步骤7、将二值图像内连通区域面积与预设判断阈值比较，判断抛光金属弧状面的瑕疵。本发明操作方便，检测精度高，检测适应性好，稳定可靠。
文档编号G01N21/952GK102680494SQ201210163710
公开日2012年9月19日 申请日期2012年5月24日 优先权日2012年5月24日
发明者温振市, 白瑞林 申请人:江南大学